继续请教问题:关于 Pytorch 的 Autograd

雷达

% E# B: I# L3 Z- D2 {7 q
# U% H1 d, X1 d% ^, e$ L3 X为预防老年痴呆，时不时学点新东东玩一玩。
Pytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
& F5 [3 R( t  M, P  M0 I' Eimport torch
import numpy as np
. T6 d: W, W/ ~import matplotlib.pyplot as plt
import random

x = torch.tensor(np.arange(1,100,1))
y = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15

w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
4 i' h& t# E+ P3 }$ h7 bb = torch.tensor(0.,requires_grad=True)
% L2 k& P1 [0 z! O: ~- b6 c
( s) s. U" F, ]8 q! G! U8 n7 ?$ Fepochs = 100
/ u& E0 A9 C! r" {
losses = []
for i in range(epochs):
0 c/ q7 y. M( [3 S% l: D  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
' e% \, C! i& x) @- x  g0 y2 k* x
6 K* @) z: \4 M2 q& `  loss = torch.square(y_pred - y).mean()   #计算 loss
; ?$ P. h. O5 `  losses.append(loss)
! L' g4 x- Q+ e" D- s+ K  
  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
# S# `! z+ X/ w3 K# h; r    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()

* A& g0 s7 g, t9 lprint(w.item(),b.item()) #结果
' @" p$ a+ L7 y+ x1 R( W6 S
0 e% @9 [2 o+ S& N3 rOutput： 27.26387596130371  0.4974517822265625
" {3 W, i% E6 `$ Y----------------------------------------------
最后的结果，w可以回到 w0 = 27 附近，b却回不去 b0=15。两处红字，损失函数是矢量计算后的均值，感觉 b 的回归表达有问题。
高手们帮看看是神马原因？

老福

7 s- i. C1 N' t0 V6 R; v& I
没有用过pytorch，但你把随机噪音部分改成均值为0的正态分布再试试看是不是符合预期？
4 }% F4 G. G0 S& {: O8 m6 P-------
不好意思，再看一遍，好像你在自算回归而不是用现成的工具直接出结果，上面的评论只有一点用，就是确认是不是算法有问题。
-------
0 S7 `2 [. @) b+ Z/ b算法诊断部分，建议把循环次数改为1000, 再看看loss是不是收敛。有点怀疑你循环次数不够，因为你起点是0, 步长很小。只是直观建议。

雷达

老福 发表于 2023-2-14 19:23
没有用过pytorch，但你把随机噪音部分改成均值为0的正态分布再试试看是不是符合预期？
1 V! N% \1 R7 R7 s, {! A-------
不好意思， ...

9 v$ G3 O0 N; ?9 m+ x3 a% _谢谢，算法应该没问题，就是最简单的线性回归。
( u1 e) P5 M6 }: k7 T我特意没有用现成的工具，就是想从最基本的地方深入理解一下。

老福

3 [! J% c. x/ @( Q, q. [

雷达 发表于 2023-2-14 21:52
谢谢，算法应该没问题，就是最简单的线性回归。
我特意没有用现成的工具，就是想从最基本的地方深入理解 ...

% ?- g1 s5 U9 O! V5 d( I+ W% a  h
5 [# p, I' a' k( X  U% m+ c刚才更新了一下，建议增加循环次数或调一下步长，查一下loss曲线。
' _4 c, ~- g5 F3 M
8 S; b6 l* s. h& R或者把b但的起点改为1试试。

雷达

老福 发表于 2023-2-14 22:00
7 K$ [/ a4 D0 i- F刚才更新了一下，建议增加循环次数或调一下步长，查一下loss曲线。
4 I" e- G7 g. v+ t. d9 K4 \& N
9 Q* t3 S0 z, {) C4 F" V$ T- V$ X4 m或者把b但的起点改为1试试。 ...

- ~& K! f3 `/ K  k& d
  y8 E; W9 s2 G: O+ V8 X! e你是对的。
去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
) A+ K- C8 S5 o; ]5 }; dy = (x*27+15).reshape(-1)
! `* P. N/ A+ q0 l
循环次数加成10倍，就看到 b 收敛了
% K2 j7 c2 M) y2 g* j. N& Xw , b
27.002620697021484 14.826167106628418
/ _) ^) z+ v5 F  \
" V* A' q# L$ j和 b 的起始位置无关，但 labeled data 用 y = (x*27+15+random.randint(-2,3)).reshape(-1) ，收敛就很慢。